MCP Plugins en Python: El Prompt Que Te Ahorra Pegarte Con APIs Toda la Tarde

Mira, colega, si estás aquí es porque has oído hablar de los MCP plugins (Model Context Protocol) y quieres saber cómo usarlos en Python sin morir en el intento. Vale, te ahorro el rollo teórico: los MCP son básicamente la forma de conectar tus agentes de IA con herramientas externas (APIs, bases de datos, lo que sea) sin tener que escribir 400 líneas de boilerplate. Pero ojo, que si no sabes pedirlos bien, acabas con un código que ni tu perro entiende.

Yo he estado trasteando con esto y te digo: los prompts bien hechos son la clave. No es magia, es saber qué pedirle a ChatGPT para que te genere el plugin justo, ni más ni menos. Aquí van 4 prompts que te van a salvar el finde.

1. El Prompt Base para Crear un MCP Plugin en Python

Este es el que uso siempre para arrancar. Le pides a ChatGPT que te genere la estructura mínima y funcional. Cópialo y pégalo tal cual:

Eres un desarrollador senior de Python especializado en MCP plugins. Genera un plugin funcional para el protocolo MCP que:

• Use la librería mcp-server (última versión estable)
• Tenga un endpoint llamado get_weather que reciba una ciudad como string y devuelva el clima actual
• Incluya manejo de errores básico (timeouts, mal formato)
• Use asyncio para no bloquear
• No añadas comentarios innecesarios, solo el código limpio y runeable

Con esto obtienes un plugin que puedes probar en local en 5 minutos. Si no funciona, culpa a la API del tiempo, no al prompt.

2. Prompt para Integrar una API Externa (Ejemplo: GitHub)

¿Necesitas que tu agente de IA busque repositorios en GitHub? Este prompt te da el plugin listo para copiar y pegar:

Crea un plugin MCP en Python que:

• Se conecte a la API de GitHub (sin autenticación para búsquedas públicas)
• Exponga un tool llamado search_github_repos con parámetro query (string)
• Devuelva nombre, descripción y URL del repo
• Limite a 5 resultados máximo
• Incluya un @tool decorator (estilo LangChain o similar)
• Usa httpx para las peticiones

Tío, con esto te ahorras tener que leer la documentación de GitHub otra vez. Lo pruebas, y si da error 403, es porque te han rateado, no porque el prompt sea malo.

3. Prompt para Plugin con Base de Datos SQLite

A veces necesitas que la IA consulte datos locales. Este prompt te genera un plugin que lee una base de datos SQLite y devuelve resultados:

Genera un plugin MCP en Python que:

• Use sqlite3 (módulo estándar, sin dependencias externas)
• Tenga un tool query_products que acepte un filtro por categoría (string opcional)
• Conecte a una base de datos store.db con tabla products (id, name, category, price)
• Devuelva los resultados como lista de diccionarios
• Incluya logging básico para depuración
• No uses ORM, solo SQL plano

Mira, esto es útil para cuando quieres que tu agente consulte un catálogo de productos sin tener que montar un backend entero. Lo copias, ajustas el nombre de la DB y listo.

4. Prompt para Plugin con Memoria (Usando Archivo JSON)

Si quieres que tu agente recuerde cosas entre sesiones (como notas, configuraciones, etc.), este prompt te da un plugin de persistencia simple:

Escribe un plugin MCP en Python que:

• Use un archivo JSON llamado memory.json para almacenar datos
• Tenga dos tools: save_note (clave, valor) y get_note (clave)
• Si el archivo no existe, lo cree automáticamente
• Maneje el bloqueo de archivos con filelock o similar (si no, hazlo simple con try-except)
• Devuelva errores claros si la clave no existe
• Sin dependencias externas más allá de json y os

Colega, esto te saca de un apuro cuando estás prototipando y no quieres montar Redis ni base de datos. Es cutre pero efectivo.

Cómo Probar Estos Plugins

Una vez que ChatGPT te escupe el código, guárdalo como mcp_plugin.py y ejecuta:

pip install mcp-server httpx # según lo que uses

python mcp_plugin.py

Si todo va bien, verás algo como "MCP server running on port 8000". Luego desde tu agente (LangChain, AutoGPT, lo que sea) lo conectas y a volar.

El Truco Final

No te olvides de añadir en el prompt "modo debug" o "incluye prints para depuración". Cuando algo falla (y va a fallar), esos prints te salvan. Si no, acabas como yo: dos horas buscando un error porque la API devolvía un campo temp en lugar de temperature.

Y tú, ¿qué prompt usas para generar tus plugins MCP en Python? Cuéntamelo, que igual me ahorras otro finde de pruebas.